【资料图】

逆向生成难以实现飞跃软件行业长期面临生产率瓶颈。程序员的工作强度已经接近极限，要继续提高软件交付速度似乎难上加难。近年来在开发流程和工具上，如GPT显然提供了一定的提效，但是实质上没有改变软件开发的基本模式————逆向生成。目前软件项目的大部分工作时间都花在理解“现有”系统和代码上，然后基于此进行修改或扩展。仅靠文档很难完全重构一个代码库。程序员不得不深入理解语句级别的代码细节，这显然不是人工智能的最佳应用场景。代码一旦完成，整个系统的内部机理又成为一个黑箱。GPT仍属逆向生成GPT虽然可以根据上下文生成代码，但它并不是在进行正向生成————根据需求构建新系统，而是在翻译和扩展现有系统，难免局限于系统原有的设计和架构。这更像一种“逆向生成”————机械化地解读并翻译一段既有的代码，而非根据需求正向构建新系统。GPT需要大量的训练数据来学习通用的代码模式和上下文关联，然后在特定上下文中生成相应的代码。这种生成过程其实是在解读训练数据，并在新的上下文中翻译类似的代码。它难以理解真实需求中的概念和逻辑，真正根据需求生成全新的解决方案。正向生成是软件工程的未来真正意义上的强人工智能出现之前，软件行业要进一步提高生产力，还需要一个全新的编码范式————正向生成。这需要系统性地研究从需求到设计与实现的正向生成流程，构建能够根据诉求自动推演出高质量解决方案的智能系统。要实现正向生成，关键是建立“需求->设计->代码”之间的可信映射关系。相比之下，逆向生成的难度更大，生成的代码质量更难保证。因此，理想的正向生成系统应该可以大幅超越逆向生成系统的生成能力。这需要跨越的技术难度不小，但其潜在的产业价值同样巨大。总之，就目前而言，软件工程主要依靠逆向生成完成工作，这难以实现质的飞跃，并导致编码质量和效率的天花板。软件行业迫切需要一个完整的正向生成编码模型与之对应，真正实现「说需求，出系统」的软件生产自动化新范式。这将使软件工程从“逆向解码之艺”迈向“正向构建之道”，开启软件工业化的新篇章。

标签：